私たちは、機械読解における多段階推論をシミュレートする単純かつ堅牢な確率的解答ネットワーク（Stochastic Answer Network: SAN）を提案します。従来のReasoNetなどの強化学習を使用してステップ数を決定する手法と比較して、本研究の特徴はニューラルネットワークの解答モジュール（最終層）において訓練中に確率的な予測ドロップアウトを行うことです。この単純な手法が堅牢性を向上させ、スタンフォード質問応答データセット（Stanford Question Answering Dataset: SQuAD）、敵対的SQuAD、およびマイクロソフト機械読解理解データセット（Microsoft MAchine Reading COmprehension Dataset: MS MARCO）で最先端の結果に匹敵することを示しています。